Silero 語音活動檢測器
# this assumes that you have a proper version of PyTorch already installed
pip install -q torchaudio
import torch
torch.set_num_threads(1)
from IPython.display import Audio
from pprint import pprint
# download example
torch.hub.download_url_to_file('https://models.silero.ai/vad_models/en.wav', 'en_example.wav')
model, utils = torch.hub.load(repo_or_dir='snakers4/silero-vad',
model='silero_vad',
force_reload=True)
(get_speech_timestamps,
_, read_audio,
*_) = utils
sampling_rate = 16000 # also accepts 8000
wav = read_audio('en_example.wav', sampling_rate=sampling_rate)
# get speech timestamps from full audio file
speech_timestamps = get_speech_timestamps(wav, model, sampling_rate=sampling_rate)
pprint(speech_timestamps)
模型描述
Silero VAD：預訓練的企業級語音活動檢測器 (VAD)。企業級語音產品，簡單易用（參見我們的 STT 模型）。 每個模型單獨釋出。
目前，除了 WebRTC 語音活動檢測器（連結）之外，幾乎沒有高質量/現代/免費/公共的語音活動檢測器。然而，WebRTC 開始顯老，並且存在許多誤報。
(!!!) 重要通知 (!!!) – 模型僅適用於 CPU 執行，並已針對 1 個 CPU 執行緒的效能進行了最佳化。請注意，模型已量化。
其他示例和基準
有關其他示例和其他模型格式，請訪問此 連結，並請參閱 Colab 格式的豐富示例（包括流式示例）。
參考文獻
VAD 模型架構基於類似的 STT 架構。
